期刊文献+

全卷积连接神经网络的目标跟踪 预览

Object Tracking of Full Convolution Connection Neural Network
在线阅读 下载PDF
分享 导出
摘要 由于多数跟踪器在相似目标干扰的情况下,很难持续正确地对目标进行跟踪。因此针对相似目标干扰场景下的目标跟踪,提出一种利用多个卷积层信息进行目标跟踪的全卷积连接网络结构(Full Convolutional Connection Network,FCCN)。首先在视频第一帧目标位置生成大量正、负样本,同时引入困难样本挖掘机制对目标进行识别。然后在目标跟踪过程中,全卷积连接网络能够将每一个卷积层生成的特征图进行信息整合,使得在跟踪相似目标时能充分利用提取到的特征信息进行跟踪。最后网络更新部分引入短期和长期参数更新方法,有效地增加了目标在各种场景下的识别能力。实验结果表明,该算法在目标跟踪视频数据集OTB-100测试精度为0.823,成功率为0.588。 It is hard for trackers to track target correctly with the interference caused by similar target.Motivated by this problem,this paper proposes a Full Convolutional Connection Network(FCCN)which utilizes multiple convolution information to achieve object tracking.First,a large number of positive and negative samples are generated near the location of target in first frame.Hard negative mining is also employed to recognize the objects.In the process of tracking,FCCN could integrates feature maps that produced by each convolution layer so that abundant features information could be used for tracking the similar target.Finally,short-term and long-term parameter update method is employed for network update.The experimental study shows that proposed FCCN get the precision of 0.823 and success rate of 0.588 on the OTB-100 dataset.
作者 桑海峰 吕应宇 SANG Hai-feng;LV Ying-yu(School of Information Science and Engineering,Shenyang University of Technology,Shenyang 110870,China)
出处 《电脑与信息技术》 2019年第1期1-5,21共6页 Computer and Information Technology
关键词 目标跟踪 相似目标 卷积神经网络 特征图 object tracking similar target Convolutional neural network feature maps
作者简介 桑海峰(1978-),教授,男,主要研究方向:机器视觉检测;通讯作者:吕应宇(1991-),硕士研究生,主要研究方向:机器视觉检测。
  • 相关文献

参考文献1

共引文献4

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部 意见反馈